侵权、抢功争议不断，Stability AI 陷入​漩涡

侵权、" 抢功 " 争议不断，Stability AI 陷入漩涡。

——

文｜杜晨 编辑｜VickyXiao 图片来源 | Stability AI

无数创业产品和业余项目出现，谷歌、字节等巨头公司也都纷纷入局——最近 AI 创作这条赛道有多拥挤，已经无需多言。

所有参赛选手当中，最火的一家莫过于 Stable Diffusion。该项目背后的公司之一 Stability AI，也成为了行业的当红炸子鸡。号称 " 要让 10 亿人用上开源大模型 " 的它，前不久刚刚完成了 1 亿美元融资，估值达到 10 亿美元跻身独角兽行列，

然而就在上周，Stable Diffusion 项目，以及这家风头正劲的公司，突然接连卷入两场争议：

不仅被艺术创作者 " 群起而攻之 "，

还被合作伙伴 " 反水 "，被质疑 " 抢功 "……

/ 偷风格，算偷吗？ /

上周，美国媒体 CNN 采访了多位艺术家。这些受访者愤怒地表示：无法接受 Stable Diffusion 用他们的作品，却砸他们的饭碗。

这些艺术家的作品，或者更准确来说，他们在作品中所体现的风格，都被 Stable Diffusion 用于训练模型了。

受访者之一是在艺术节有一定知名度的油画家 Erin Hanson。她的油画作品用色风格非常独特，采用了更加多样化、具有视觉冲击力的色彩，且饱和度极高，已经在艺术圈内形成了个人特色。

前段时间 Stable Diffusion 爆红之后，Hanson 注意到有人用这个模型生成的一些图片结果，竟然有自己作品的味道。

经过进一步调查，她更加惊讶了：用户甚至可以在生成图片的时候，直接输入 "Erin Hanson 风格 " 作为文字提示的一部分。Stable Diffusion 生成的结果，和 Hanson 已经发表的作品几乎一模一样 ……

如果不注意画中 Hanson 的签名水印的话，你可能完全会以为两张都是 Hanson 的亲笔创作：

图片来源：Erin Hanson（左）、Rachel Metz via Stable Diffusion（右）

但其实左边有签名水印的才是 Hanson 的正版作品 "Crystalline Maples"；右边则是 CNN 记者通过 Stable Diffusion 生成的结果，使用的文字提示包括：水晶油画，光和影，背光的树，强烈轮廓，彩色玻璃，现代印象派，Erin Hanson 风格等。

" 如果我把它挂在我的墙上，应该毫不违和吧？"Hanson 对 Stable Diffusion 的 " 创作能力 " 表示相当惊讶。

但在仔细研究了 Stable Diffusion 工作机制之后，她才明白过来：这个 AI 模型根本没有自己的创作能力。

因为它的风格，属实是 " 抄 " 来的。

Stable Diffusion 是一个具备文字转图片 / 视频能力的生成模型，可以用几秒钟时间就生成高分辨率、具备真实性和 / 或 " 艺术性 " 的视觉结果。在训练方面，这个模型的初代版本采用了大约 4000 台 A100 显卡集群，用了一个月的时间。

而它的训练数据，则来自于德国 AI 非营利机构 LAION（全称大规模人工智能开放网络）。初代版本所采用的的训练数据集，包括了近 60 亿条图片 - 文字平行数据。

很多和 Henson 一样感到愤怒的艺术家们发现，原来是自己的作品，以及对应的文字平行数据（比如姓名），被收录到了 LAION 相关数据集里——才导致了自己的作品和风格，被这个爆红的 AI 创作模型所 " 剽窃 "。

从网上大规模搜集资料作为 AI 模型的训练数据，早已不是什么新鲜事。事实上，今天我们正在使用的很多基于 AI 的技术和产品，包括并不限于搜索引擎、短视频推荐算法、翻译、图像识别等，背后的模型在训练阶段都重度使用了一些知名数据集。

这些数据集的内容，绝大多数是没有版权 / 使用目的限制的，无论最终是商业还是非商业目的，任何人都可以使用，只需要遵守相应的来源引用和使用规范即可。

一些比较常用的图片数据集举例 图片来源：Triantafillou et al. in Meta-Dataset: A Dataset of Datasets for Learning to Learn from Few Examples

不过，随着 AI 技术越来越先进，应用领域越来越多样，新的使用场景（比如今天讨论的 AI 文字生成图片）就对更大规模的训练数据集，更多来自公开网域的各种形式（文字、图片、音频、视频等）的信息和资料，产生了巨大的需求。

当数据集从几万，几十万张图片，" 扩容 " 到几亿甚至几十亿张的规模时，这一过程当中，难免存在一些权利方面的漏洞。

而今天这些出离愤怒的艺术家们，就成为了权利漏洞，以及利用这些漏洞进行商业化获益行为的受害者。

他们的愤怒并非没有理由。

毕竟 AIGC（AI 生成内容）这一或将导致艺术家们失业的新技术领域，已经成为现如今科技创业的大热门，无数创业者、投资人疯狂涌入。结果夺走他们工作的这个玩意儿，居然正是用他们的创作风格所训练出来的。

本来艺术家们已经是一个普遍比较拮据的群体了。现在这些 AI 端了人家的碗，还要砸人家的锅——你说他们能不生气么 ……

Erin Hanson 图片来源：本人

在艺术家和版权人士的呼吁和努力之下，现在已经有人开发出了一些工具，帮助权利人在大型数据集当中搜索自己主张权利的作品。

比如 LAION 自己做了一个网页工具可以把文字转换为 CLIP embedding，用于搜索描述相同或者相似的内容。

再比如还有一个取名很巧妙的网站，叫做 "Have I Been Trained"，帮助创作者搜索 LAION 数据集，查看自己的作品是否被用于训练了。

图片来源：Have I Been Trained?

"Have I Been Trained" 的背后是一对居住在德国的艺术家和开发者，他们表示：在帮助艺术家确认自己的作品是否被大规模数据集收录之余，他们很快还将发布一套新的工具，允许艺术家能够自主选择作品是否被数据集所收录。为此，这两位开发者已经和多家从事大规模 AI 模型研发的机构和公司进行了接洽。

对于 " 艺术家应该掌握作品是否被收录控制权 " 这件事，Stability.AI 和 LAION 也表示同意。

然而即便如此，Stable Diffusion 也只是众多 AIGC 类模型的其中一个而已。还有更多模型 / 产品 / 项目处于未开源状态，艺术家和权利人想要正当维护自己的权益，所面临的挑战和阻碍，只会随着时间变得更多和更艰难。

直到这一问题在全行业通过规范或制度解决之前，Stable Diffusion，以及包括 DALL · E 2、Midjourney 等在内的主流模型，仍将作为 "AI 侵权 " 指控的对象长期存在。

/ 多方心血，一家独占？ /

由于 Stability AI 这家公司在过去一直正面和侧面将自己宣传为 Stable Diffusion 项目幕后的功臣，像侵权这样的锅，也被该公司背上了。

然而侵权只是 Stability AI 当前面临的诸多烦恼之一。就在前不久该公司完成 1 亿美元融资，正式晋升为独角兽之际，它突然发现：

正因为揽了太多的功劳，过去一起做项目的好伙伴，对自己意见很大 ……

故事要先从上周四说起：一家名叫 Runway ML 的公司，在 Twitter 账号上表示发布了 Stable Diffusion 1.5 版本。

网友一下子懵了：

等一下，你们这是正式版吗？为啥 Stability AI 没有任何公开宣布或者支持呢？

图片来源：@ScottieFoxTTV

你们这个是 Stability AI 做的么？

图片来源：@buZztiaan

紧接着就在发布当天，发布网站 Hugging Face 透露，收到了来自 Stability AI 的删除请求：

Stability AI 表示 这个版本属于其 " 知识产权泄露 "，并要求 Hugging Face 下架这一发布 ……

就连 Hugging Face 自己也懵了，因为这样的请求过去几乎从没有过。它在这个删除请求下面加了一行字：为了保证过程透明公开，请这个 repo 的所有者（Runway）和 Stability AI 提供更多资料 ……

图片来源：Hugging Face

这究竟是怎么一回事呢？

首先我们需要再回顾一下 Stable Diffusion 的来历：

需要明确的是，Stable Diffusion 的技术本身，其实来自于慕尼黑大学机器视觉学习组，和 Runway 公司。

今年的 CVPR22 大会上，这些研究者共同发表了一篇论文，研究的是潜伏扩散模型，论文的名字叫做 High-Resolution Image Synthesis with Latent Diffusion Models。正是这篇论文里的研究，在后来成为了 Stable Diffusion 模型的理论技术基础。

图片来源：Rombach 等人

从论文署名可以看到，除了 Esser 是 Runway 旗下研究部门的首席研究科学家之外，其他作者的隶属单位均为慕尼黑大学——也就是说，至少在论文发表的时候所有作者当中，没有一人属于 Stability AI。

可要是这样的话，Stability AI 又是怎么跟这事儿攀上关系的呢？

Runway 公司的 CEO Cristóbal Valenzuela 透露了真相：

1）基础版本的技术，或者说论文，是慕尼黑大学和 Runway 一起搞的；

2）Stable Diffusion，也就是对基础版本进行重新训练后得到发布的正式版本，仍然是 Esser 和 Rombach（论文的两位主要作者）二人主要开发的；

3）这个模型早在去年就正式开源了

4）Stability AI 在整个过程中做出的贡献仅限于：为正式版本的训练提供算力。

图片来源：cvalenzuila / Hugging Face

而结合行业流传的比较靠谱的消息，以及 Stability AI 创始人兼 CEO Emad Mostaque 的表述，我们了解的情况是：

所谓的算力，就是 Mostaque 个人出钱买了四千张 A100 显卡 ……

图片来源：英伟达

以及，对于 Stable Diffusion 重新训练所依赖的数据集 LAION-5B，Stability AI 也是这一其组织创建工作的出资人之一。

不管怎么样，总的来说，包括 Runway、Stability AI、慕尼黑大学等在内的几家参与方，大家在 Stable Diffusion 的发布工作中的贡献都是平等的。最一开始并不存在，也不应该存在一家独大的情况 ……

但是比较遗憾的是，在后续围绕整个 Stable Diffusion 项目的营销、宣传，以及运营工作当中，Stability AI 以及创始人 Mostaque，或多或少地突出甚至夸大了自己一方的贡献和价值——对行业内外的用户，以及媒体和公众，都造成了不实的印象。

硅星人原文截图 图片来源：硅星人

事实上，Stability AI 这家公司，自己也在开源的 Stable Diffusion 基础之上，开发了一个自己的网页端应用 DreamStudio Lite ——从这一维度，和其它也做了类似事情的公司和团队相比，Stability AI 跟它们并无实质区别。

在 Valenzuila 站出来 " 硬刚 " Stability AI 之后，底下的留言也基本一边倒向了 Runway 这边 ……

网友纷纷表扬这位 CEO 是 "gigachad"（超级猛男）

很快，Stability AI 也撤回了删除请求。

但该公司并没有 " 示弱 "。公司新任首席信息官 Dan Jeffries 暗戳戳地写了一篇文章，指责被合作伙伴 " 抢跑 " 1.5 版本的做法非常不负责任。同时他又扔出了一套十分夸张的说法，大意是：

" 我们不发 1.5 版本，是因为我们收到了监管部门和公众的意见，认为我们的模型不安全，会伤害到别人。所以我们接下来的主要任务是搞好安全。"

Dan Jeffries 文章标题 截图来源：本人

这里的 " 安全问题 " 主要指的是模型被用于制作 NSFW 内容、Deepfake 等。而 Hugging Face 上讨论此事网友对这篇文章表示：装什么大尾巴狼呢？前几个版本都有问题怎么你们照发不误呢？如果真要打击 NSFW 的话，那是不是 Photoshop 和视频制作软件都别发新版本了？

在 Hugging Face 的帖子被关闭之前，仍然有极少数人站在 Stability AI 这边，大意是说 Runway 这个做法不体面，一个真正 " 稳定 " 的版本应该大家一起商量发布，更何况 Stable Diffusion 这个命名，本身就印证着它跟 Stability AI 有巨大的关系。

然而现在来看，Stability AI 和 Stable Diffusion 这两个名字，谁蹭谁的热度还不好说呢。